基于改进MobileNet的轻量级外来入侵植物识别模型研究

外来入侵植物防治的首要任务是准确识别入侵植物种类, 然而外来入侵植物种类繁多, 存在类间同质和类内异质现象, 给技术人员甄别与防治外来入侵植物带来了挑战。为了准确、实时和高效地识别外来入侵植物, 本文提出基于改进MobileNet的轻量级外来入侵植物图像识别模型(MobileNet-LW)。以专业人员鉴定得到的113种 11 628幅外来入侵植物图像作为研究对象, 并按照6∶2∶2的比例划分训练集、验证集和测试集。通过Retinex、旋转和高斯噪声等方法对图像进行数据增强。为了减少类间同质现象对模型误检的影响, 在模型MobileNet基础上添加了SE通道注意力机制和深度连接注意力网络, 提高网络对关键特征的提取能力。为了降低模型计算消耗和内存消耗, 采用通道剪枝方法对网络瘦身;为了弥补剪枝后造成模型准确率降低, 采用教师网络-助教网络-学生网络的形式对剪枝后的网络进行知识蒸馏, 学生网络通过软知识的学习来提高识别外来入侵植物的准确率。通过消融试验测试模型的性能, 利用平均准确率、平均召回率和平均F1值3个评价指标, 对现阶段经典模型与改进后模型MobileNet-LW所获得的识别结果进行评价。消融试验结果显示, 在相同数据集条件下, 所有改进点对模型的性能都有所提升, 且改进后算法在外来入侵植物图像识别中准确率提高了5.4百分点, 模型参数量减少了约53%;模型对比试验表明, EfficentNet、DBTNet、ResNet-101、ConvNext和MobileNet-LW 5个模型平均准确率分别为72.3%、74.9%、76.1%、79.7%和86.1%, 表明改进后的网络提高了外来入侵植物的识别准确率。基于改进MobileNet的轻量级外来入侵植物识别模型对113种外来入侵植物识别具有较高的准确率, 且模型具有轻量化特点。     

南美蟛蜞菊、蟛蜞菊和杂交蟛蜞菊土壤磷组分特征及其影响因素

为探究入侵植物南美蟛蜞菊土壤磷转化过程与驱动机制,采用野外控制试验,比较研究了南美蟛蜞菊、蟛蜞菊和杂交蟛蜞菊土壤磷组分、微生物生物量磷以及酸性磷酸酶和碱性磷酸酶活性.结果表明:3种蟛蜞菊土壤易分解态磷仅占全磷的2.2％～6.3％,且全碳与有机磷的比例大于200,表明本研究区受到磷限制.有机磷是土壤磷库的主要组分,在南美...     

菊科植物改变土壤氮素的可利用性

生物入侵破坏入侵地生态系统的群落结构和稳定性、阻碍农林牧渔业生产、危害人类健康。我国已成为外来生物入侵最严重的国家之一，现有402种入侵植物。菊科、豆科、禾本科构成我国外来入侵植物的主体，其中菊科入侵植物约有107种，广泛分布于我国各省(区)。菊科入侵植物因其独特的生物学特性(如生长发育快、成熟早、种子产量高且易于传播等)而具有高度的入侵性。本文综合分析了国内外38篇共211个关于菊科入侵植物对土壤氮素含量影响的案例。结果发现，菊科植物入侵后，85%以上的案例中土壤总氮、铵态氮、硝态氮等氮素含量显著(P <0.05)增加，其中紫茎泽兰(Ageratina adenophora)对土壤氮素含量的影响最大。菊科植物入侵可通过释放化感物质、分解凋落物和改变土壤氮循环微生物种类和数量来改变土壤氮素含量，从而对本地生态系统的氮养分资源造成极大影响。土壤氮是限制植物生长的最主要因素，通过研究菊科入侵植物对土壤氮素含量的影响能帮助理解土壤氮在入侵过程中的重要作用，促进完善外来植物的入侵机制。